Pengertian Time study, Waktu normal dan Peta Tangan kanan tangan kiri

Pengertian Time study, Waktu normal dan Peta Tangan kanan tangan kiri

David Wahyudi

Juni 26, 2019

2 komentar

Pengertian Time study, Waktu normal dan Peta Tangan kanan tangan kiri

1 Time Study

Menurut Norita (2015), Time study adalah suatu usaha yang dilakukan untuk mengetahui lama awal waktu kerja yang dibutuhkan operator hingga pekerjaan selesai. Time study juga dilakukan untuk mendapatkan rancangan (desain) terbaik pada sautu sistem kerja. Prinsip-prinsip dalam teknik kerja dimanfaatkan sebagai pengaturan komponen-komponen yang terdiri dalam bahan baku, mesin, operator, serta kingkungan kerja fisik. Dilakukan time study berguna untuk meningkatkan efektifitas dan efisiensi kerja. Studi gerak dapat menganalisis badan pekerja atau operator dalam  melalakukan suatu pekerjaan agar gerakan-gerakan yang tidak efektif dan efisien dapat dihilangkan. Metode ini juga dapat menghemat waktu kerja serta kelelehan operator dapat dihilangkan. Dalam suatu pekerjaan atau aktivitas dapat diuraikan menjadi beberapa elemen gerakan supaya dilakukan studi guna untuk menghasilkan rangkaian yang efisien dalam setiap gerakan. Cara yang dilakukan yaitu dengan menyederhanakan gerakan kerja yang tidak dibutuhkan, serta menetapkan langkah-langkah gerakan kerja yang mampu menghasilkan gerakan paling efektif.

Bagian dasar untuk menyempurnakan konsep time study ini yaitu dengan gerakan therblig. Gillbert dan istrinya menyampaikan gerakan-gerakan kerja dalam 17 elemen gerakan dasar  THERBLIG. Elemen-elem dasar gerakan Therblig adalah gerakan tangan yang biasa yang terjadi apabila suatu pekerjaan tersebut terjadi, dan bersifat secara manual. Berikut ini merupakan 17 elemen kerja gerakan therblih :

2 Peta Tangan Kiri dan Tangan Kanan

Menurut Norita (2015), Peta tangan kiri dan tangan kanan adalah suatu alat yang di tetapkan dalam studi gerakan dengan tujuan menemukan gerakan-gerakan yang paling efisien. Dengan memperhatikan gerakan-gerakan yang diperlukan untuk menyelesaikan suatu aktivitas atau pekerjaan. Peta tangan kiri dan tangan kanan menggambarkan semua gerakan pada saat bekerja dan menganalisa waktu yang menganggur yang disebabkan oleh tangan kiri dan tangan kanan. Peta tangan kiri dan tangan kanan juga menunjukkan perbandingan pada tugas yang dibebankan oleh tangan kiri dan tangan kanan saat menyelesaikan suatu pekerjaan. Dalam pembuatan peta operator terdapat 8 elemen gerakan therblig agar lebih efektif untuk menyelesaikan suatu pekerjaan, yang digunakan yaitu Reach (RE), Release (RL), Delay (D), Move (M), Use (U), Grap (G), Hold (H), Position (H).

3 Studi Waktu

Menurut Norita (2015), Pengukuran waktu digunakan untuk mendapatkan waktu baku penyelesaian pekerjaan.Waktu itu sendiri dibutuhkan secara wajar oleh seorang operator atau pekerja normal untuk menyelesaikan suatu aktivitas yang dikerjakan dengan sistem kerja terbaik. Dalam suatu pekerjaan peranan waktu sangat penting untuk pekerjaan dalam sitem produksi misalkan untuk sistem upah perangsang, pengaturan pada tata letak pabrik, penjadwalan dalam kerja mesin, penganggaran dan masih banya lagi.

4 Waktu Siklus

Menurut Norita (2015), Waktu siklus merupakan pengukuran waktu menggunakan stopwatch dengan menghitung waktu dari setiap gerakan yang terjadi. Setiap operator akan menghasilkan waktu yang berbeda pada seetiap gerakannya dalam pengerjaan inkubasi. Jika menghasilkan waktu yang berbeda pada setiap gerakannya maka dapat dilihat waktu siklus standar yang dapat dilaukan oleh pekerja dengan memiliki kemampuan yang cukup baik. Berikut ini merupakan rumus waktu siklus :

Dimana : Ws = waktu siklus

                 Xi = data pengamatan

                  N = banyaknya pengamatan

5 Waktu Normal

Menurut Norita (2015), waktu normal merupakan waktu yang digunakan oleh operator dalam bekerja secara wajar tanpa menyetarkan usaha-usaha yang terlalu berlebihan disepanjang hari kerja.  Pada sistem dan konsi kerja lingkungan kerja yang wajar maka menghasilkan sistem kerja yang reltif mudah. Terdapat tiga unsur yang belum ditambahkan sebelum mendapatkan waktu baku yaitu menghilangkan rasa lelah, menambahkan unsur kebutuhan pribadi kerja, mendapatkan waktu baku.

6 Kelonggaran / Allowance

Menurut Norita (2015, kelonggaran terdapat tiga penggolongan yang terdiri dari :

1. Kelonggaran untuk kebutuhan pribadi, misalkan minum, ke kamar kecil, dan bekerja

2. Kelonggaran untuk menghilangkan rasa letih (fatique)

3. Keloggaran untuk hambatan-hambatan yang tidak bisa dihindarkan.

Perbedaan metode Hirarki dan non Hirarki

Perbedaan metode Hirarki dan non Hirarki

David Wahyudi

Juni 26, 2019

0 komentar

Perbedaan metode Hirarki dan non Hirarki

A. Metode Hirarki

      Menurut Bangun (2016), metode hirarki merupakan pengelompokan antara dua objek atau lebih yang memiliki karakteristik atau kemiripan yang sama. Termasuk dalam teknik metode hirarki yaitu single linkage, complete linkage, average linkage, median linkage, dan centroid linkage. Ada lima macam metode hirarki yakni :

1.      Single-linkage (pautan tunggal), metode dengan prinsip jarak minimum. Langkah pertama menemukan jarak terdekat pada D = ( SHAPE  \* MERGEFORMAT ) adalah nilai obyek ke-i pada variabel ke-k dengan i=1,2,3,...,n dan menggabungkan obyek yang berkorespondensi, katakan U dan V dan sebaran kelompok lain. Dapat disimpulkan bahwa metode ini berdasarkan pada jarak yang terdekat atau terkecil maka kedua objek tersebut akan dijadikan satu cluster.

2.      Complete linkage (pautan lengkap), metode ini berlawanan dengan single -linkage yakni pengelompokannya berdasarkan jarak terjauh antar objek dengan prinsip jarak maksimum.

3.      Average-linkage (pautan rata-rata), metode ini yang digunakan adalah rata-rata jarak seluruh objek dalam suatu cluster dengan jarak objek dalam cluster yang lain dengan prinsip jarak rata-rata antar tiap pasangan objek. Metode umum dimulai penemuan anggota lain pada D =   dan menggabungkan obyek yang berkorespondensi misalnya U dan V menjadi (UV).

4.      Ward’s method, metode ini menggunakan perhitungan yang lengkap dan memaksimumkan homogenitas di dalam satu kelompok. Dengan jarak antara dua cluster berdasarkan total sum of square dua cluster pada tiap-tiap variabel.

5. Centroid method (metode titik pusat), metode ini berdasarkan jarak centroid dua cluster yang bersangkuan dengan rata-rata jarak pada sebuah kelompok. Dengan metode ini, setiap terjadi kelompok baru segera terjadi perhitungan ulang centroid sampai terbentuk kelompok yang tetap.

B. Metode Non Hirarki

Menurut Bangun (2016), metode clustering non hirarki atau sering juga disebut dengan k-means yaitu data yang mempunyai karakteristik yang sama kemudia dikelompokkan satu cluster sama, dan data yang mempunyai karakteristik berbeda dikelompokkan pada kelompok lain. Metode non hirarki ini dimulai dengan menentukan nilai cluster dengan jumlah yang dinginkan. Kemudian objek dikelompokkan atau digabungkan ke dalam cluster-cluster .

Langkah-langkah analisis cluster pada metode non hirarki terdapat tiga macam yakni :

1. Analisis komponen utama.

2. Analisis faktor.

3. Analisis cluster.

Langkah-langkah dalam melakukan analisis cluster

Langkah-langkah dalam melakukan analisis cluster

David Wahyudi

Juni 26, 2019

0 komentar

Langkah-langkah dalam melakukan analisis cluster

1 Analisis Cluster

Menurut Metisen (2015), Clustering merupakan teknik yang digunakan dalam mengelompokkan karakteristik atau kesamaan dalam hal tertentu. Cluster merupakan kumpulan data yang sama terhadap objek yang yang lain atau berbeda terhadap cluster. Objek yang terdapat pada suatu cluster akan mempunyai kemiripan yang tinggi antara yang satu dengan lainnya. Clustering berfungsi sebagai menemukan hubungan yang sama atau keterkaitan antara atribut data, serta dapat menentukan pola distribusi secara keseluruhan. Cluster juga dapat diartikan sebagai kumpulan data dalam suatu cluster atau lebih dan objeknya datanya harus mempunyai kemiripan dalam cluster tersebut. Ukuran data yang bisa digunakan untuk menentukan kemiripan atau kedekatan suatu data yaitu jarak.

Sehingga dapat disimpulkan bahwa analisis cluster merupakan analisis yang digunakan sebagai pengelompokan pada suatu pengamatan atau menggabungkan variabel menjadi beberapa kelompok yang jumlahnya akan berkurang atau sedikit. Analisis cluster dapat dilakukan jika pengamat belum mengetahui jumlah kelompok yang baru. Objek tersebut akan dipilih sesuai dengan karakteistiknya dan dikalsifikasikan ke dalam kelompok atau cluster sehingga satu cluster akan memiliki kemiripan atau karakteristik yang sama.

Menurut Yuliato (2014), Ciri-ciri cluster yang baik ada dua yaitu :

1.      Homogenitas (within-cluster) merupakan kesamaan dan kemiripan yang besar antar satu anggota dengan yang lainnya dalam satu cluster.

2.      Heterogenitas (between-cluster) merupakan perbedaan yang sangat besar antar anggota yang satu dengan cluster yang lain.

2 Langkah-Langkah Pengklasteran

Menurut Yuliato (2014), langkah-langkah pengklasteran ada lima macam yakni :

1.      Sampel yang diambil harus sudah mewakili suatu populasi yang ada.

2.      Pengujian Multikolinearitas, pengujian ini digunakan sebagai untuk mengetahui ada tidaknya variabel independen yang mempunyai karakterisktik atau kemiripan yang sama dengan variabel independen yang lain.

3.      Transformasi Data, pengujian ini dilakukan untuk mengetahui jika terdapat perbedaan nilai yang besar atau tinggi antar variabel yang satu dengan yang lain sehingga dapat mengakibatkan bias pada analisis cluster maka data aslinya membutuhkan transformasi data atau standarisasi data. Contohnya dengan melakukan penyamaan satuan terhadap data yang digunakan.

4.      Pengujian Data Outlier, data outlier merupakan data yang secara nyata berbeda dengan data-data yang lainnya atau disebut juga dengan nilai yang berbeda dalam suatu sampel. Untuk mengetahui nilai outlier dapat dilakukan dengan menentukan nilai batas yang akan dijadikan sebagai outlier yaitu dengan cara mengkonversi nilai data ke z-score atau biasa disebut dengan standardized. Outlier dapat dilakukan penganganan seperti data outlier dihilangkan, outlier disebabkan karenda adanya kesalahan databpada saat penginputan data. Outlier tetap dipertahankan jika tidak ada kesalahan pada proses sampling.

5.      Metode yang digunakan merupakan metode hirarki (average linkage).

Langkah pegelompokan pada analisis cluster pada metode hirarki :

1. Mengukur kesamaan ajarak

2. Membentuk klaster ssecara hirarki

3. Melakukan interpetasi terhadap jumlah klaster

Pengertian Peramalan, Tracking Signal dan Agregasi

Pengertian Peramalan, Tracking Signal dan Agregasi

David Wahyudi

Juni 26, 2019

0 komentar

LANDASAN TEORI

1 Peramalan

Peramalan (forecast) adalah salah satu dari usaha perusahaan yang menjadi pengambilan keputusan untuk strategi yang dilakukan pada perusahaan itu sendiri. Perusahaan yang baik akan meramalkan produksi peroduk yang akan dicapai untuk masa yang akan datang. Sehingga perusahaan perlu mengembangkan pengetahuan tentang pasar mereka. Perusahaan menginginkan informasi agar bisa membantu mereka untuk menginterpretasikan kinerja masa lalu dan menjadwalkan kegiatan di masa yang akan datang (Nugraha, 2017).

Cara mengatasi permasalahan dalam forecasting yaitu perlu dilakukan prediksi kemungkinan terjadinya kenaikan atau penurunan pada penjualan dalam periode di masa yang akan datang, dengan melakukan pengumpulan data atau informasi yang akurat. Sehingga perusahaan bisa melakukan peramalan atau forecasting dengan metode-metode tertentu. Peramalan sebagai alat bantu pada perusahaan untuk merencanakan produk yang akan diproduksi seefektif dan seefisisien mungkin (Nugraha, 2017).

Peramalan permintaan sangat membantu sekali pada perusahaan untuk pertimbangan dalam melakukan proses produksi dalam beberapa periode kedepan. Untuk mengetahui peramalan dapat menentukan dulu metode yang cocok untuk digunakan dengan mengetahui pola dan data historis. Peramalan dapat membantu kondisi fluktuatif yang umumnya sering menjadi masalah di perusahaan. Fluktuatif merupakan permintaan konsumen dengan produk tinggi tetapi perusahaan tidak dapat memenuhi kebutuhan. Jika permintaan konsumen terhadap produk rendah maka produk yang sudah diproduksi tidak terjual dan harus disimpan di gudang. Oleh karena itu peramalan sangat membantu untuk mengantisipasi kasus ini pada perusahaan (Nugraha, 2017).

  

Menurut (Nugraha, 2017) Terdapat tujuh tahap dasar untuk melakukan peramlaan permintaan, yakni :

1. Menentukan terlebih dahulu penggunaan dari peramalan itu sendiri.

2. Memilih kuantitas yang ingin dilakukan peramalan.

3. Menentukan atau memilih pada horizon peramalan.

4. Menentukan model peramalan

5. Mengumpulkan data masa lalu atau historis untuk melakukan peramalan.

6. Melalukan peramalan dengan metode-metode yang ada.

7. Memvalidasi peramalan.

2 Metode –Metode Peramalan Kuantitatif

a. Metode Naif

    Metode naif menggunakan peramalan dengan cara memanfaatkan permintaan periode berikutnya sama dengan permintaan periode terakhir. Metode ini juga digunakan untuk peramalan dalam jangka pendek. Contohnya seperti peramalan bulan depan sama dengan data bulan yang sebelumnya. Rumusnya yaitu :

Permintaan periode mendatang = permintaan periode terakhir ..........................(1)

b. Metode Simple Moving Average

Metode simple moving average memanfaatkan sejumlah data aktual masa lalu untuk memprediksi peramalan di masa yang akan datang.                                

Rataan bergerak =.......................(2)

c. Metode Exponential Smoothing

Metode exponential smoothing yaitu metode peramalan rataan bergerak dengan pembobotan titik-titik dimana-mana, dan dibobotkan oleh data fungsi eksponensial. Fungsi metode ini yaitu menyesuaikan antar hasil peramalan dengan data aktual.

Ft = F_t-1 + α + (A_t-1 – F_t-1 ).........................................................................(3)

Dimana : F_{t =} peramalan baru

F_{t-1 =} peramalan sebelumnya

A_{t- =} permintaan aktual periode lalu

α = kontanta penghalusan

d. Proyeksi terhadap tren

Proyeksi terhadap tren merupakan teknik menyesuaikan garis tren menggunakan data masa lalu, dan menggambarkan garis di masa yang akan datang untuk peramalan jangka panjang.

y= a+bx.....................................................................................................(4)

Dimana : y = nilai terhitung pada variabel yang akan diramalkan

               a = persilangan sumbu y

x = variabel bebas

               b = kemiringan garis regresi

3 Ukuran Kesalahan Peramalan

a. Mean Squared Error

    Nilai MSE digunakan ketika besarnya residual merata. Nilai mse diperoleh dari selisih antara data aktual dengan data peramalan yang dikuadratkan lalu dibagi banyaknya deret waktu peramalan.

 ...........................................................................................(5)

b. Mean Absolute Percentage error

Mean absolute percentage error digunakan untuk mengetahui sejauh mana bias metode peramalan yang digunakan

.........................................................................................(6)

c. Mean Absolute Error

Mean absolute error digunakan apabila terdapat satu atau dua residual yang besar saat melakukan peramalan

 ...................................................................................................(7)

4 Tracking Signal

Tracking signal digunakan untuk melihat batas-batas yang bisa diterima. Grafik pada batas-batas yang diterima dengan menggunakan batas atas +4 yang berarti nilai  aktual permintaan lebih besar daripada data peramalan, sedangkan batas bawah -4 menunjukkan nilai aktual permintaan lebih kecil daripada data peramalan. Suatu tracking signal dikatakan baik jika mempunyai RSFE yang kecil atau rendah dan memiliki positif error yang sama banyak yaitu seimbang pada negatif error. Sehingga pusat pada tracking signal mendekati nol (Febrina, 2013).

5 Agregasi

Menurut Sidiq (2017), agregasi merupakan proses penyeragaman untuk memudahkan perecanaan produksi, seperti saat melalakukan peramalan dengan menggabungkan jenis produk berdasarkan letak geografis dan waktu. Sedangkan disagregasi merupakan pengubahan pada hasil rencana produksi agregat dengan menjadikan jumlah yang diroduksi pada setiap akhir produk. Jika jenis produk lebih dari satu jenis, maka harus melakukan agregasi demand dengan melibatkan fakor konversi sehingga menghasilkan data demand agregat.